mean_absolute_error

sklearn.metrics.mean_absolute_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')[исходный код]

Функция потерь регрессии — средняя абсолютная ошибка.

Средняя абсолютная ошибка — это неотрицательное число с плавающей точкой; наилучшее значение — 0.0. Подробнее см. в руководстве пользователя.

Параметры:

y_truearray-like of shape (n_samples,) or (n_samples, n_outputs)

Истинные (корректные) целевые значения.

y_predarray-like of shape (n_samples,) or (n_samples, n_outputs)

Оцененные целевые значения.

sample_weightarray-like of shape (n_samples,), default=None

Веса образцов.

multioutput{‘raw_values’, ‘uniform_average’} or array-like of shape (n_outputs,), default=’uniform_average’

Определяет способ агрегирования значений для нескольких выходов. Значение array-like задает веса, используемые для усреднения ошибок.

‘raw_values’ :

Для входных данных с несколькими выходами возвращает полный набор ошибок.

‘uniform_average’ :

Ошибки всех выходов усредняются с равными весами.

Возвращает:

lossfloat or array of floats

Если multioutput имеет значение ‘raw_values’, средняя абсолютная ошибка возвращается отдельно для каждого выхода. Если multioutput имеет значение ‘uniform_average’ или представляет собой ndarray весов, возвращается средневзвешенное значение ошибок для всех выходов.

Результат MAE — неотрицательное число с плавающей точкой. Наилучшее значение — 0.0.

Примеры

>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_absolute_error(y_true, y_pred)
0.5
>>> y_true = [[0.5, 1], [-1, 1], [7, -6]]
>>> y_pred = [[0, 2], [-1, 2], [8, -5]]
>>> mean_absolute_error(y_true, y_pred)
0.75
>>> mean_absolute_error(y_true, y_pred, multioutput='raw_values')
array([0.5, 1. ])
>>> mean_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.85...

Примеры в галерее

Признаки с лагами для прогнозирования временных рядов

Регрессия Пуассона и ненормальная функция потерь

Квантильная регрессия

Регрессия Тьюи для страховых требований